Phân loại tế bào bạch cầu ác tính trên ảnh hiển vi
Tác giả: Lý Hồng Thiên Ân, Trần Dương Kha, Lê Minh Hưng, Trần Đình Toàn, Trần Văn LangTóm tắt:
Vấn đề bí mật dữ liệu cá nhân trong lĩnh vực y tế dẫn đến sự khan hiếm dữ liệu huấn luyện; sự tương đồng về mặt hình thái giữa tế bào ung thư với các tế bào bình thường; đồng thời với sự mất cân bằng dữ liệu giữa các lớp càng làm tăng thêm sự phức tạp của bài toán. Bài báo này đưa ra giải pháp thực nghiệm sử dụng các mô hình về mạng neuron tích chập (CNN) và các hàm mất mát (loss function) có sẵn sử dụng tập dữ liệu C-NMC2019 của cuộc thi ISBI2019. Tập dữ liệu này bao gồm ảnh các của tế bào ung thư và của tế bào khỏe mạnh. Nghiên cứu này đề xuất một hàm mất mát đặt tên là Focal Hinge Loss (FHL) được cải tiến từ hai hàm mất mát Focal Loss và Hinge Loss, từ đó kết hợp hai mô hình CNN là DenseNet201, EfficientNetB2 để giải quyết vấn đề đặt ra. Kết quả thử nghiệm nhận được rất hiệu quả với F1 Score là 91.94%; đồng thời được xếp top 5 trên bảng xếp hạng của cuộc thi ISBI2019.
- Bước chuyển mình từ “thời đại rác thải” đến “thời đại kinh tế tuần hoàn”
- Ảnh hưởng của cường độ bê tông đến ứng xử cắt của dầm cao bê tông sợi thép
- Phân tích tĩnh tấm FGM có vi bọt rỗng trên nền đàn hồi dưới tác dụng tải trọng cơ học, nhiệt độ và độ ẩm theo lý thuyết biến dạng cắt bậc nhất
- Tính toán giảm phát thải khí nhà kính từ chuyển đổi phương tiện giao thông theo hướng xanh hơn
- Phân tích dao động của tấm Sandwich Nano Graphene đàn hồi-điện-từ đặt trên nền đàn hồi Winkler-Pasternak